|
而这样的需求，催生了以平安金融壹账通为代表的数据治理“外脑”的崛起。壹账通本月推出的国内首个银行业全流程数据治理解决方案，目前已在多个中小银行上线。 人才投入、场景积累、技术迭代，都是中小行数据治理的短板——像王能这样抱有类似想法的银行业高管不在少数。 “我们的问题是，前几年组织管理体系没有确定一个战略性导向，现在我们专门成立了数字银行管理部，作为数据治理的核心部门。数据是管理者的决策基础，对普惠金融应用、内控风险管理体系都至关重要，桂林银行下一部发展就是要借助外部金融科技机构，做好数据治理”，桂林银行董事长王能告诉校尉。 国内银行业的数据治理基础有多薄弱？校尉了解到，目前多家银行在报送监管报表的时候，仍旧是依靠手工输入；2018年银保监会发布了《银行业金融机构数据治理指引》后，虽然众多中小银行成立了数据相关部门，但是规格大多并不太高，属于信息科技部下面的二级部门；此外，与国外许多银行设置首席数据官不同，国内设置数据官的银行寥寥无几。 “监管报送、计财报表、客户营销管理，这都是数据治理的实际场景。长久以来银行会针对不同场景做不同的数据采集和分析，但它并没有将数据放在同一平台上，由同一部门集中处理。这是很多中小银行做数据治的根本缺失”，金融壹账通智能风控总经理、加马人工智能研究院首席科学家施奕明对校尉说。 而金融监管研究院副院长刘诚燃撰文直言，数据治理是一件“不讨好”的事情。“和数据打交道的永远只有减分项，没有加分项。说官话一点就是激励不足，约束有余。领导再没想数据治理专职人员配了几个，发展业务时从来就觉得填报表的是冗余，领到罚单后，却不认真反思本行在数据治理方面投入了多少人力、精力和财力，反而责怪填报人员能力差、不用心”，刘诚燃说。 金融壹账通、中小银行互联网金融（深圳）联盟、埃森哲联合发布的《中小银行金融科技发展研究报告（2019）》，系统化地将目前中小银行数据管控体系现状进行了梳理： 27%的中小银行缺乏公司级数据规范，数据多头管理，部门数据互通靠自发或人工传递；46%的中小银行初步搭建公司级数据管控体系和基础规范，但应用尚未下沉到业务，数据互通程度不理想；仅18%的中小银行初步建立数据管理体系和管控工具，进行了平台整合，各部门基本落实公司数据规范体系；仅9%的中小银行实现有效数据治理，数据管理体系完善，全面实现大数据应用。 金融壹账通董事长兼CEO叶望春指出，目前银行业数据治理存在四大痛点：第一，数据分散、杂乱、割裂，没有全局数据观；第二、数据收集靠传统手工，渠道单一、模式落后、效率低、成本高；第三、数据标准不统一、缺乏分析工具，数据难运用；第四、技术系统落后、难以满足数据管理需求，存在数据安全和风险隐患。 “银行必须从长远和战略的高度来重视数据治理。同时，要借助第三方科技的力量突破自身人才、资金、场景这些方面的限制”，叶望春说。 “银行业的数字化转型，既是技术问题，又是业务问题”叶望春指出。银行数据化转型需要在对金融业务有基本理解的前提下，确保有效机制落地。 施奕明认为，从根本上建立数据治理机制，银行需要做到：一设立有权协调业务条线资源的首席数据官，确保数据部门能够获取贴近业务场景的数据源；二将数据部门确立为行级一级部门，并将信息、科技、计财等相关部门人员纳入；三. 确立统一数据标准，并进行数据质检；四.建立敏捷开发体系。 正如客源和场景的双重缺失催收了银行助贷模式兴起一样，人才、场景、科技基础的缺失再加上银行数字化转型的迫切需求，催生了“外脑”生意经——已经有敏锐的金融科技服务商开始输出银行数据治理解决方案，而银行对此很“买账”。 日前在桂林举办的“中国数字银行论坛”就是一个缩影：现场一百家中小银行高管或业务部门负责人齐聚，甚至不乏类似济宁银行这样一下子来五个高管的银行。它们是中国中小银行数字化转型的最鲜活案例之一。 平安金融壹账通成了这场论坛当仁不让的主角，其顺势推出了我国首个基于大数据平台的全流程数据治理解决方案 ——加马数据治理解决方案，吊起了多家与会银行的胃口。 金融壹账通联席总经理邱寒介绍，壹账通全流程数据治理方案的部署时间比传统的产品缩短1~2个月，其借助AI和大数据，将无序数据关联化、隐性数据显性化、静态数据动态化，以解决业内普遍存在的数据难看清、难收集、难运用和难管理等痛点。 具体而言：加马数据治理解决方案构筑了中小银行数据治理六大模块： 针对银行业金融机构,加马数据治理解决方案可以帮助客户制定一整套数据标准规范,包含基础类数据标准,分析数据标准两大部分。同时利用自然语言技术及知识图谱技术帮助工作人员快速定位到相关的数据标准,解决目前中小银行因标准文档繁多、信息量大而难以查找关键信息问题。 目前,大多中小银行使用文档手工管理元数据,存在数据资产不清晰、格式混乱以及更新不及时等问题,导致业务人员难以运用数据并进行深入分析挖掘,了解数据含义沟通成本高、耗时长,使用数据出错率高。加马数据治理解决方案通过数据地图等功能梳理出数据和数据之间的关系,可视化展示数据资产视图,同时自动化分析数据流向及上下游血缘关系。通过简单查询即可检索数据的业务含义、数据位置、数据量、数据字典、数据关系等信息。 针对银行内部数据变动监控难,以及数据质量问题发现不及时等问题,加马数据治理解决方案提供变动异常扫描、标准质量监控等工具,自动配置质量核验规则库,定期扫描分析各数据库质量,一键生成质量分析报告,通过数据定义和数据值抽样检查结合的方法全方位扫描各种数据质量问题。帮助银行实现智能数据质量监控。 面对银行敏感数据分散,泄露风险高等问题,加马数据治理解决方案通过智能扫描识别敏感数据一键配置脱敏的方式解决大数据平台上的海量数据识别脱敏问题,同时,日志监控预警通过大数据实时计算流处理技术追踪、抓取、分析大数据平台相关日志,监控用户对数据的使用操作,有效降低大数据平台操作及数据泄露风险。 数据治理监控分析往往在银行难以实现,一是因为专业门槛高,管理人员难以使用,二是监控项目复杂,传统分析方式耗时耗力,三是传统报表工具呆板单一,难以支撑监控分析。加马数据治理解决方案灵活运用自然语言技术、维度自助下钻等技术,自动了解用户分析意图,呈现数据治理相关监控结果方便进行自助探索分析。 目前各银行在业务场景中接入使用外部数据时普遍面临开发周期长,监控管理困难等问题。报送监管数据时也面临手工操作多、效率低、费时费力、出错率高等问题。加马数据治理解决方案通过图形化工具实现零代码开发接入外部数据,智能检测外部数据质量,实现多数据源智能路由,实时监控接口流量与并发量,并以可视化图形、报表实时反馈监控结果,提示风险预警。 |
|
|
